文档介绍：基于计算动词理论的变步长LMS自适应算法及其仿真
主要内容
自适应滤波器
基本LMS算法
高鹰、谢胜利变步长LMS算法
基于计算动词理论的变步长LMS算法
计算机仿真及结果分析
Company Logo
自适应滤波器
定义:根据环境的改变,使用自适应算法来改变滤波器的参数和结构。这样的滤波器就称之为自适应滤波器。
特征:它能够在未知环境中有效工作,并能够跟踪输入信号的时变特征。
Company Logo
自适应滤波器
自适应滤波的原理图
Company Logo
基本LMS算法
基本LMS算法的迭代公式如下:
其中u是固定步长,W(n)是权系数,
d(n)是期望输出,X(n)是输入信号
Company Logo
基本LMS算法
基本LMS算法的缺陷:
固定步长大时,自适应滤波器的稳态误较大;固定步长小时,收敛速度和跟踪速度较慢;抗干扰性差。
改进的思想:
改变步长
利用抗干扰因子作为调节参量
Company Logo
高鹰、谢胜利变步长LMS算法
高鹰、谢胜利变步长LMS算法:
其中, 控制u的横向, 控制u的纵向
Company Logo
基于计算动词理论的变步长LMS算法
Verb rules
* IF |J(n)| stay THEN μstay
1) IF |J(n)| stay in a small range THEN μ stay as constant
* IF |J(n)| decrease THEN μ decrease
However |J(n)| decrease μ decrease linearly
IF μ decreased to 0 THEN μkeep constant
* IF |J(n)| increase THEN μ increase
IF |J(n)| increase slowly THEN μ increase slowly
IF |J(n)| increase fast THEN μ increase fast
IF |J(n)| increase too much THEN μ increase to a maximum value
Company Logo
主要内容
将上述表示为以下的数学关系式
若-ξ<Δ|J(n)|<ξ, 则μ(n+1)=μ(n)
若Δ|J(n)|≤-ξ, 则μ(n+1)=μ(n)-Δμ0
若ξ≤Δ|J(n)|≤J1, 则μ(n+1)=μ(n)+Δμ1
若 J1<Δ|J(n)|, 则μ(n+1)=μ(n)+Δμ2
若|J(n)|>J_limit AND |J(n-1)|>J_limit, 则μ(n+1)=μmax
若|J(n)|≤0, 则μ(n+1)=μ(n)
式中J(n)=e(n)e(n-1) 即为抗干扰因子
Company Logo
计算机仿真及结果分析
各类算法的学习曲线比较:
Company Logo